Estudo revela sistema de temporização do cérebro para cognição

Pesquisadores da Rutgers Health identificaram como o cérebro integra processamento rápido e lento por meio de conexões de substância branca, influenciando habilidades cognitivas. Publicado na Nature Communications, o estudo analisou dados de quase 1.000 pessoas para mapear essas escalas temporais neurais. Variações nesse sistema podem explicar diferenças na eficiência do pensamento e oferecem promessas para pesquisas em saúde mental.

O cérebro humano lida com informações que chegam em velocidades muito diferentes, desde pistas ambientais imediatas até reflexões deliberadas sobre contexto e intenção. Uma nova investigação da Rutgers Health, detalhada na Nature Communications, revela como ele alcança esse equilíbrio por meio de escalas temporais neurais intrínsecas — janelas de processamento únicas para cada região cerebral — e as redes de substância branca que as conectam.

Liderado por Linden Parkes, professor assistente de psiquiatria na Rutgers Health, a equipe examinou imagens cerebrais de 960 indivíduos para construir conectomas detalhados. Eles empregaram modelos matemáticos para rastrear o fluxo de informações através dessas redes. "Para afetar nosso ambiente por meio de ações, nossos cérebros devem combinar informações processadas em diferentes escalas temporais", explicou Parkes. "O cérebro consegue isso aproveitando sua conectividade de substância branca para compartilhar informações entre regiões, e essa integração é crucial para o comportamento humano."

Os achados mostram que o arranjo dessas escalas temporais na córtex cerebral determina quão suavemente o cérebro transita entre padrões de atividade ligados ao comportamento. Nem todos têm a mesma configuração: "Encontramos que diferenças em como o cérebro processa informações em velocidades diferentes ajudam a explicar por que as pessoas variam em suas habilidades cognitivas", observou Parkes. Aqueles com fiação melhor alinhada para sinais rápidos e lentos tendem a exibir maior capacidade cognitiva.

Esses padrões também se relacionam com características genéticas, moleculares e celulares do cérebro, com paralelos observados em camundongos, indicando conservação evolutiva. "Nosso trabalho destaca uma ligação fundamental entre a conectividade de substância branca do cérebro e suas propriedades computacionais locais", acrescentou Parkes.

Olhando para o futuro, os pesquisadores planejam aplicar essa estrutura a distúrbios como esquizofrenia, transtorno bipolar e depressão para explorar interrupções no processamento temporal. Colaboradores incluíram Avram Holmes, Ahmad Beyh, Amber Howell e Jason Z. Kim da Cornell University. O estudo apareceu na Nature Communications (2025; 16(1)), com DOI: 10.1038/s41467-025-66542-w.

Artigos relacionados

Illustration of glowing whole-brain neural networks coordinating efficiently, representing a University of Notre Dame study on general intelligence.
Imagem gerada por IA

Study points to whole-brain network coordination as a key feature of general intelligence

Reportado por IA Imagem gerada por IA Verificado

University of Notre Dame researchers report evidence that general intelligence is associated with how efficiently and flexibly brain networks coordinate across the whole connectome, rather than being localized to a single “smart” region. The findings, published in Nature Communications, are based on neuroimaging and cognitive data from 831 Human Connectome Project participants and an additional 145 adults from the INSIGHT Study.

A common belief that the frontal lobe fully develops by age 25 has been challenged by recent neuroscience findings. New brain-imaging studies reveal that key neural wiring and network efficiency evolve well into the early 30s. This extended timeline highlights ongoing maturation processes in the brain.

Reportado por IA

Researchers have identified brain connectivity patterns tied to autism symptom severity in children diagnosed with either autism or ADHD. The findings, from a study led by the Child Mind Institute, suggest shared biological mechanisms across these conditions regardless of formal diagnosis. These patterns align with genetic activity involved in neural development.

Researchers at the University of California, Irvine report that a machine-learning system called SIGNET can infer cause-and-effect links between genes in human brain tissue, revealing extensive rewiring of gene regulation—especially in excitatory neurons—in Alzheimer’s disease.

Este site usa cookies

Usamos cookies para análise para melhorar nosso site. Leia nossa política de privacidade para mais informações.
Recusar